欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

基于Python的實(shí)時(shí)課程推薦與智能問答系統(tǒng)實(shí)戰(zhàn):源碼解析與避坑指南

基于Python的實(shí)時(shí)課程推薦與智能問答系統(tǒng)實(shí)戰(zhàn):源碼解析與避坑指南 簡介這是一套面向教育技術(shù)方向的Python課程教學(xué)輔助系統(tǒng)源碼適合計(jì)算機(jī)專業(yè)學(xué)生、教師及教育管理人員參考學(xué)習(xí)用于實(shí)現(xiàn)課程內(nèi)容個(gè)性化推薦與智能問答。系統(tǒng)以Python為核心結(jié)合數(shù)據(jù)挖掘、推薦算法與自然語言處理可實(shí)時(shí)分析學(xué)習(xí)行為并調(diào)整推薦策略同時(shí)支持對用戶提問進(jìn)行語義理解與解答。壓縮包共54個(gè)文件約108KB其中40個(gè)py文件承載推薦、搜索、文本預(yù)處理、JWT鑒權(quán)與Celery異步任務(wù)等核心邏輯8個(gè)xml為IDE與數(shù)據(jù)源配置另含sqlite3數(shù)據(jù)庫、txt說明及gitignore等輔助文件目錄按登錄、課程、短信、工具等模塊劃分結(jié)構(gòu)清晰。目前已有344人學(xué)習(xí)下載。讀者可從中獲取完整的推薦與問答實(shí)現(xiàn)思路、數(shù)據(jù)庫與接口設(shè)計(jì)范例以及可運(yùn)行的工程骨架便于二次開發(fā)或課程設(shè)計(jì)參考。1. 從課堂沉默到實(shí)時(shí)推薦這套系統(tǒng)到底在解決什么上周旁聽了一節(jié) Python 數(shù)據(jù)分析課老師在講臺(tái)上問「有多少人聽懂了 Pandas 的 groupby」聊天框里只有三個(gè)人回復(fù)。課后翻后臺(tái)日志才發(fā)現(xiàn)其實(shí)有二十多個(gè)學(xué)生在同一時(shí)間點(diǎn)反復(fù)回看那段錄播——他們不是沒聽懂是不敢在課堂上說沒聽懂。這個(gè)場景幾乎每個(gè)做在線教育平臺(tái)的人都遇到過教學(xué)數(shù)據(jù)在實(shí)時(shí)產(chǎn)生但反饋鏈路是斷的?;?Python 的實(shí)時(shí)課程教學(xué)數(shù)據(jù)內(nèi)容推薦與個(gè)性化智能問答系統(tǒng)要解決的就是這個(gè)斷層——把學(xué)生看視頻的進(jìn)度、暫停點(diǎn)、答題正確率、提問記錄這些實(shí)時(shí)數(shù)據(jù)接進(jìn)來一邊做內(nèi)容推薦一邊用問答系統(tǒng)兜住那些「不好意思問出口」的疑惑。這套系統(tǒng)適合誰如果你正在做在線教育平臺(tái)的后端開發(fā)或者手頭有一個(gè)課程管理系統(tǒng)想加上推薦和問答能力又或者你在做畢業(yè)設(shè)計(jì)需要一套能跑通的 Python 推薦加問答方案那接下來的內(nèi)容就是沖著你來的。它不要求你從零訓(xùn)練大模型也不要求你有海量用戶數(shù)據(jù)核心思路是用輕量級方案把實(shí)時(shí)數(shù)據(jù)流、推薦邏輯和問答檢索串成一條可落地的鏈路。熱搜詞里「Python」「推薦系統(tǒng)」「智能問答系統(tǒng)」「源碼」這幾個(gè)詞反復(fù)出現(xiàn)說明大家真正關(guān)心的是有沒有一套能看懂、能改、能跑起來的代碼結(jié)構(gòu)而不是又一篇講協(xié)同過濾公式的論文。我見過太多團(tuán)隊(duì)在這件事上翻車推薦模塊用離線批處理跑學(xué)生都下課了才算出「你可能喜歡」問答模塊直接調(diào)一個(gè)通用大模型回答跟課程內(nèi)容毫無關(guān)系。這套系統(tǒng)的設(shè)計(jì)出發(fā)點(diǎn)就是反著來——推薦要實(shí)時(shí)問答要貼著課程知識(shí)庫走。下面從數(shù)據(jù)管道怎么搭、推薦邏輯怎么選、問答怎么接、坑在哪里一步步拆開講。2. 實(shí)時(shí)數(shù)據(jù)管道與特征工程從埋點(diǎn)到可用向量2.1 為什么不用離線批處理做推薦離線批處理推薦在課程場景下有個(gè)致命問題課程內(nèi)容的消費(fèi)節(jié)奏太快。一節(jié) 45 分鐘的課學(xué)生的興趣點(diǎn)可能在 10 分鐘內(nèi)切換三四次——前 10 分鐘在聽概念中間 20 分鐘在看代碼演示最后 15 分鐘在做練習(xí)。如果推薦系統(tǒng)每小時(shí)才更新一次用戶畫像那它推薦的內(nèi)容大概率是過時(shí)的。實(shí)時(shí)推薦的核心不是「快」而是「跟得上學(xué)生的當(dāng)前狀態(tài)」。常見做法是用消息隊(duì)列把前端埋點(diǎn)數(shù)據(jù)實(shí)時(shí)推到處理端。我一般會(huì)選 Redis 的 Stream 結(jié)構(gòu)做輕量級消息隊(duì)列原因是它足夠簡單不需要額外部署 Kafka 集群對于中小規(guī)模課程平臺(tái)完全夠用。數(shù)據(jù)流是這樣的前端在視頻播放器里埋點(diǎn)記錄 play、pause、seek、answer、ask 五類事件通過 HTTP 接口打到后端后端寫入 Redis Stream消費(fèi)者進(jìn)程實(shí)時(shí)讀取并更新用戶特征向量。這里有個(gè)選型細(xì)節(jié)值得說清楚為什么不用數(shù)據(jù)庫直接寫因?yàn)橥扑]系統(tǒng)需要的是「最近 N 分鐘內(nèi)的行為序列」而不是全量歷史。Redis Stream 天然支持按時(shí)間范圍讀取配合 XADD 和 XREAD 命令可以很方便地拿到滑動(dòng)窗口內(nèi)的行為數(shù)據(jù)。數(shù)據(jù)庫適合做持久化存儲(chǔ)和離線分析但實(shí)時(shí)特征計(jì)算走 Redis 更順手。2.2 埋點(diǎn)數(shù)據(jù)采集與 Redis Stream 寫入先看數(shù)據(jù)采集端的代碼。前端埋點(diǎn)通過一個(gè)統(tǒng)一的接口上報(bào)后端接收到之后做基本校驗(yàn)再寫入 Stream。import redis import json import time from flask import Flask, request, jsonify app Flask(__name__) r redis.Redis(hostlocalhost, port6379, db0, decode_responsesTrue) STREAM_KEY course:events VALID_EVENTS {play, pause, seek, answer, ask} app.route(/track, methods[POST]) def track(): data request.get_json() # 必填字段校驗(yàn)缺一個(gè)就丟棄避免臟數(shù)據(jù)污染特征 required [user_id, course_id, event_type, timestamp] if not all(k in data for k in required): return jsonify({error: missing fields}), 400 if data[event_type] not in VALID_EVENTS: return jsonify({error: invalid event}), 400 # 補(bǔ)充服務(wù)端時(shí)間戳防止客戶端時(shí)間被篡改 data[server_ts] int(time.time() * 1000) # 寫入 Redis Streammaxlen 控制內(nèi)存占用保留最近 10 萬條 r.xadd(STREAM_KEY, data, maxlen100000) return jsonify({status: ok}) if __name__ __main__: app.run(port5000)這段代碼的邏輯很直接校驗(yàn)必填字段和事件類型補(bǔ)充服務(wù)端時(shí)間戳然后寫入 Redis Stream。maxlen100000這個(gè)參數(shù)需要根據(jù)你的課程平臺(tái)規(guī)模調(diào)整——如果同時(shí)在線人數(shù)在幾百人級別10 萬條大約能覆蓋最近幾小時(shí)的數(shù)據(jù)如果上千人同時(shí)在線建議調(diào)到 50 萬。注意server_ts字段很多團(tuán)隊(duì)只信任客戶端時(shí)間結(jié)果學(xué)生把手機(jī)時(shí)間改一下就能刷推薦這個(gè)坑后面還會(huì)細(xì)說。2.3 用戶特征向量的實(shí)時(shí)更新數(shù)據(jù)進(jìn)了 Stream 之后需要一個(gè)消費(fèi)者進(jìn)程持續(xù)讀取并更新用戶特征。特征向量的設(shè)計(jì)決定了推薦質(zhì)量的上限。我一般會(huì)把用戶特征分成三組短期興趣最近 5 分鐘行為、中期興趣最近 30 分鐘行為、長期偏好最近 7 天統(tǒng)計(jì)。短期和中期用 Redis 的 Sorted Set 存儲(chǔ)長期用 Hash 存儲(chǔ)。import redis import json import time r redis.Redis(hostlocalhost, port6379, db0, decode_responsesTrue) STREAM_KEY course:events GROUP_NAME feature_updater CONSUMER_NAME worker-1 # 創(chuàng)建消費(fèi)者組從最新消息開始消費(fèi) try: r.xgroup_create(STREAM_KEY, GROUP_NAME, id$, mkstreamTrue) except redis.exceptions.ResponseError: pass # 組已存在 def update_features(user_id, event): now int(time.time()) # 短期興趣最近 5 分鐘內(nèi)的課程 ID 及權(quán)重 short_key ffeat:short:{user_id} r.zadd(short_key, {event[course_id]: now}) r.zremrangebyscore(short_key, 0, now - 300) # 移除 5 分鐘前的 # 中期興趣最近 30 分鐘 mid_key ffeat:mid:{user_id} r.zadd(mid_key, {event[course_id]: now}) r.zremrangebyscore(mid_key, 0, now - 1800) # 長期偏好按事件類型累加計(jì)數(shù) long_key ffeat:long:{user_id} r.hincrby(long_key, f{event[event_type]}:{event[course_id]}, 1) while True: # 每次讀 10 條阻塞 2 秒 messages r.xreadgroup(GROUP_NAME, CONSUMER_NAME, {STREAM_KEY: }, count10, block2000) if not messages: continue for stream, msg_list in messages: for msg_id, event in msg_list: update_features(event[user_id], event) # 處理完確認(rèn)防止重復(fù)消費(fèi) r.xack(STREAM_KEY, GROUP_NAME, msg_id)這段代碼的核心邏輯是用 Sorted Set 的 score 存時(shí)間戳通過zremrangebyscore自動(dòng)淘汰過期數(shù)據(jù)保證短期和中期特征始終是滑動(dòng)窗口內(nèi)的。hincrby做長期計(jì)數(shù)簡單但有效。參數(shù)方面count10和block2000需要根據(jù)消息量調(diào)整——消息多的時(shí)候增大 count消息少的時(shí)候 block 設(shè)長一點(diǎn)減少空輪詢。xack這行不能省否則消息會(huì)一直留在 pending 列表里時(shí)間長了 Redis 內(nèi)存會(huì)被撐爆。提示消費(fèi)者組的id$表示只消費(fèi)新消息如果你需要從頭回放歷史數(shù)據(jù)做測試改成id0。3. 推薦引擎的選型與實(shí)現(xiàn)協(xié)同過濾還是內(nèi)容匹配3.1 課程推薦場景下兩種路線的取舍推薦系統(tǒng)在課程場景下有個(gè)特殊之處課程數(shù)量通常不多幾百到幾千門但用戶行為稀疏度極高。一個(gè)學(xué)生一學(xué)期可能只選五六門課跟電商平臺(tái)上千次點(diǎn)擊完全不是一個(gè)量級。這意味著傳統(tǒng)的協(xié)同過濾在課程推薦上容易遇到冷啟動(dòng)和數(shù)據(jù)稀疏問題——新學(xué)生沒有歷史行為新課程沒有交互記錄。我的做法是混合推薦用內(nèi)容匹配兜底冷啟動(dòng)用協(xié)同過濾做個(gè)性化排序。內(nèi)容匹配基于課程標(biāo)簽和用戶畫像的余弦相似度協(xié)同過濾用 ItemCF 計(jì)算課程之間的關(guān)聯(lián)度。兩者加權(quán)融合權(quán)重根據(jù)用戶行為數(shù)量動(dòng)態(tài)調(diào)整——行為少于 10 條時(shí)內(nèi)容匹配占 0.8行為超過 50 條時(shí)協(xié)同過濾占 0.7。熱搜詞里「推薦系統(tǒng)」出現(xiàn)頻率很高但很多人一上來就搞深度學(xué)習(xí)模型結(jié)果數(shù)據(jù)量不夠模型效果還不如規(guī)則。我的血淚經(jīng)驗(yàn)是在課程推薦場景下ItemCF 加內(nèi)容匹配的組合效果往往比神經(jīng)協(xié)同過濾更穩(wěn)定而且可解釋性強(qiáng)——你能明確告訴老師「這門課被推薦是因?yàn)檫x了 A 課的學(xué)生也選了它」。3.2 ItemCF 相似度計(jì)算與增量更新ItemCF 的核心是計(jì)算課程之間的相似度矩陣。全量計(jì)算用 pandas 做就行但實(shí)時(shí)推薦需要增量更新——新產(chǎn)生的選課行為要能快速反映到相似度上。import pandas as pd import numpy as np from collections import defaultdict def build_item_similarity(interactions): interactions: list of (user_id, course_id, rating) 返回課程相似度字典 {course_a: {course_b: score}} # 構(gòu)建用戶-課程評分矩陣 df pd.DataFrame(interactions, columns[user_id, course_id, rating]) pivot df.pivot_table(indexuser_id, columnscourse_id, valuesrating, fill_value0) # 計(jì)算課程之間的余弦相似度 item_matrix pivot.T.values # 行是課程列是用戶 norms np.linalg.norm(item_matrix, axis1, keepdimsTrue) norms[norms 0] 1 # 防止除零 normalized item_matrix / norms sim_matrix normalized normalized.T # 只保留每個(gè)課程最相似的前 20 個(gè)減少存儲(chǔ)和計(jì)算 courses pivot.columns.tolist() sim_dict {} for i, course in enumerate(courses): sim_scores sim_matrix[i] top_indices np.argsort(sim_scores)[::-1][1:21] # 排除自身 sim_dict[course] { courses[j]: round(float(sim_scores[j]), 4) for j in top_indices if sim_scores[j] 0.01 } return sim_dict def incremental_update(sim_dict, new_interactions, decay0.95): 增量更新對已有相似度做衰減再疊加新行為的貢獻(xiàn) decay 參數(shù)控制歷史相似度的遺忘速度 # 先對所有相似度做衰減 for course in sim_dict: for other in sim_dict[course]: sim_dict[course][other] * decay # 新行為產(chǎn)生的共現(xiàn)關(guān)系簡單累加 co_occur defaultdict(lambda: defaultdict(float)) user_courses defaultdict(set) for uid, cid, rating in new_interactions: user_courses[uid].add(cid) for uid, courses in user_courses.items(): courses list(courses) for i in range(len(courses)): for j in range(i 1, len(courses)): co_occur[courses[i]][courses[j]] 1.0 co_occur[courses[j]][courses[i]] 1.0 # 合并到相似度字典 for course, others in co_occur.items(): if course not in sim_dict: sim_dict[course] {} for other, score in others.items(): old sim_dict[course].get(other, 0) sim_dict[course][other] round(old score * 0.1, 4) return sim_dictbuild_item_similarity用矩陣乘法一次性算出所有課程對的余弦相似度然后只保留 top 20這個(gè)截?cái)嗪荜P(guān)鍵——不截?cái)嗟脑捪嗨贫染仃嚂?huì)非常稀疏且存儲(chǔ)成本高。incremental_update里的decay0.95是遺忘因子每來一批新數(shù)據(jù)就把歷史相似度乘 0.95這樣推薦結(jié)果會(huì)逐漸偏向近期行為。score * 0.1是新增行為的權(quán)重調(diào)大這個(gè)值會(huì)讓推薦更敏感調(diào)小則更穩(wěn)定。我一般會(huì)在測試環(huán)境用 0.05 到 0.2 之間做 A/B 測試。3.3 融合排序與實(shí)時(shí)推薦接口有了內(nèi)容匹配分?jǐn)?shù)和協(xié)同過濾分?jǐn)?shù)之后需要融合成一個(gè)最終排序。融合策略用加權(quán)求和權(quán)重根據(jù)用戶行為數(shù)量動(dòng)態(tài)調(diào)整。def recommend(user_id, sim_dict, user_features, course_tags, top_n10): 混合推薦內(nèi)容匹配 ItemCF user_features: 用戶近期交互過的課程列表 course_tags: {course_id: [tag1, tag2, ...]} recent_courses user_features.get(recent, []) behavior_count user_features.get(count, 0) # 動(dòng)態(tài)權(quán)重行為少時(shí)偏內(nèi)容匹配行為多時(shí)偏協(xié)同過濾 if behavior_count 10: w_content, w_cf 0.8, 0.2 elif behavior_count 50: w_content, w_cf 0.5, 0.5 else: w_content, w_cf 0.3, 0.7 scores defaultdict(float) # 內(nèi)容匹配分?jǐn)?shù)用戶近期課程標(biāo)簽與候選課程標(biāo)簽的 Jaccard 相似度 user_tags set() for cid in recent_courses: user_tags.update(course_tags.get(cid, [])) for cid, tags in course_tags.items(): if cid in recent_courses: continue # 已交互過的不再推薦 tag_set set(tags) if not tag_set or not user_tags: continue jaccard len(user_tags tag_set) / len(user_tags | tag_set) scores[cid] w_content * jaccard # 協(xié)同過濾分?jǐn)?shù)基于 ItemCF 相似度累加 for cid in recent_courses: for similar_cid, sim_score in sim_dict.get(cid, {}).items(): if similar_cid not in recent_courses: scores[similar_cid] w_cf * sim_score # 排序取 top N ranked sorted(scores.items(), keylambda x: x[1], reverseTrue) return [cid for cid, _ in ranked[:top_n]]這段代碼里內(nèi)容匹配用的是 Jaccard 相似度而不是余弦相似度原因是課程標(biāo)簽是離散的集合Jaccard 更直觀。協(xié)同過濾部分直接累加相似度分?jǐn)?shù)沒有做歸一化因?yàn)?ItemCF 的相似度本身已經(jīng)在 0 到 1 之間。top_n10是返回給前端的推薦數(shù)量實(shí)際接口里還會(huì)加一層業(yè)務(wù)過濾——比如過濾掉已下架的課程、學(xué)生已修過的必修課等。注意recent_courses建議取最近 20 條交互記錄太多會(huì)稀釋興趣信號(hào)太少則覆蓋不足。這個(gè)值我在不同項(xiàng)目里試過 10 到 3020 是比較穩(wěn)的中間值。4. 智能問答系統(tǒng)的搭建檢索增強(qiáng)而非純生成4.1 為什么課程問答不能直接調(diào)通用大模型通用大模型在課程問答場景下有三個(gè)硬傷第一它不知道你這門課講到哪了可能把下學(xué)期才講的內(nèi)容提前說出來第二它可能編造課程里根本沒提過的概念學(xué)生信了反而更迷糊第三響應(yīng)延遲不可控直播課場景下學(xué)生等三秒沒答案就關(guān)掉了。我的方案是檢索增強(qiáng)生成RAG的輕量版先用課程知識(shí)庫做語義檢索找到最相關(guān)的幾個(gè)知識(shí)點(diǎn)再把知識(shí)點(diǎn)和問題一起送給模型做總結(jié)。這樣既保證了答案貼著課程內(nèi)容走又控制了生成范圍。知識(shí)庫的構(gòu)建不需要多復(fù)雜把課程字幕、講義、FAQ 文檔切片存入向量數(shù)據(jù)庫就行。向量化用 sentence-transformers 的輕量模型在 CPU 上也能跑。熱搜詞里「智能問答系統(tǒng)」和「源碼」經(jīng)常一起出現(xiàn)說明大家想要的是能直接跑起來的代碼而不是概念介紹。下面從知識(shí)庫構(gòu)建到問答接口把關(guān)鍵代碼過一遍。4.2 課程知識(shí)庫的切片與向量化知識(shí)庫的質(zhì)量決定了問答的上限。切片策略上我一般按語義段落切每段 200 到 500 字重疊 50 字。課程字幕按時(shí)間戳切每 30 秒一段。講義按標(biāo)題層級切每個(gè)小節(jié)一段。from sentence_transformers import SentenceTransformer import numpy as np import faiss import json # 用輕量模型CPU 上單條編碼約 20ms model SentenceTransformer(paraphrase-multilingual-MiniLM-L12-v2) def build_knowledge_base(documents): documents: list of {course_id: str, content: str, source: str} 返回 faiss 索引和對應(yīng)的元數(shù)據(jù)列表 texts [doc[content] for doc in documents] # 批量編碼batch_size 根據(jù)內(nèi)存調(diào)整 embeddings model.encode(texts, batch_size32, show_progress_barTrue, normalize_embeddingsTrue) # 用內(nèi)積索引因?yàn)橄蛄恳褮w一化內(nèi)積等價(jià)于余弦相似度 dim embeddings.shape[1] index faiss.IndexFlatIP(dim) index.add(embeddings.astype(float32)) # 元數(shù)據(jù)單獨(dú)存檢索后按索引取回 metadata [{course_id: d[course_id], content: d[content], source: d[source]} for d in documents] return index, metadata def search_knowledge(index, metadata, query, top_k5): 檢索最相關(guān)的 top_k 個(gè)知識(shí)點(diǎn) query_vec model.encode([query], normalize_embeddingsTrue) scores, indices index.search(query_vec.astype(float32), top_k) results [] for score, idx in zip(scores[0], indices[0]): if idx -1: continue item metadata[idx].copy() item[score] float(score) results.append(item) return resultsparaphrase-multilingual-MiniLM-L12-v2這個(gè)模型的好處是支持中文且體積小編碼 384 維向量在普通筆記本上就能跑。normalize_embeddingsTrue讓向量歸一化這樣用內(nèi)積索引就等價(jià)于余弦相似度省去了額外計(jì)算。IndexFlatIP是精確檢索數(shù)據(jù)量在幾萬條以內(nèi)完全夠用如果知識(shí)庫超過 10 萬條可以換成IndexIVFFlat做近似檢索但需要額外訓(xùn)練索引。4.3 檢索結(jié)果與生成模型的拼接策略檢索到相關(guān)知識(shí)點(diǎn)后需要把它們和用戶問題拼成一個(gè) prompt 送給生成模型。拼接策略直接影響回答質(zhì)量。我的做法是按相似度排序取前 3 條每條截?cái)嗟?300 字總 prompt 控制在 1500 字以內(nèi)。def build_prompt(question, retrieved_docs, course_name): 拼接檢索結(jié)果和問題構(gòu)造生成 prompt context_parts [] for i, doc in enumerate(retrieved_docs[:3], 1): content doc[content][:300] # 截?cái)喾乐?prompt 過長 context_parts.append(f[片段{i}] {content}) context \n.join(context_parts) prompt f你是一門名為《{course_name}》的課程助教。 請僅根據(jù)以下課程資料回答問題如果資料中沒有相關(guān)內(nèi)容直接說這個(gè)問題在課程資料中沒有找到答案。 課程資料 {context} 學(xué)生問題{question} 請用簡潔的中文回答不超過 200 字。 return prompt def answer_question(question, index, metadata, course_name, llm_client): 完整的問答流程檢索 生成 docs search_knowledge(index, metadata, question, top_k5) if not docs or docs[0][score] 0.3: return 這個(gè)問題在課程資料中沒有找到答案建議課后向老師提問。 prompt build_prompt(question, docs, course_name) # 調(diào)用生成模型temperature 設(shè)低一點(diǎn)保證穩(wěn)定性 response llm_client.generate(prompt, temperature0.3, max_tokens300) return responsescore 0.3這個(gè)閾值是兜底邏輯——如果檢索到的最相關(guān)片段相似度太低說明知識(shí)庫里沒有相關(guān)內(nèi)容這時(shí)候直接告訴學(xué)生「沒找到」比讓模型硬編一個(gè)答案要好。temperature0.3是為了讓回答穩(wěn)定課程問答不需要?jiǎng)?chuàng)造性準(zhǔn)確比有趣重要。max_tokens300限制回答長度避免模型長篇大論。提示如果用的是本地部署的開源模型建議把max_tokens設(shè)小一點(diǎn)生成速度會(huì)快很多。直播課場景下學(xué)生能接受的等待時(shí)間大約是 2 秒。5. 避坑與排查那些讓系統(tǒng)翻車的細(xì)節(jié)5.1 時(shí)間戳被篡改導(dǎo)致推薦結(jié)果漂移現(xiàn)象部分學(xué)生的推薦內(nèi)容突然全部變成同一門課而且持續(xù)好幾天不變。原因客戶端上報(bào)的timestamp字段被篡改或者時(shí)區(qū)設(shè)置錯(cuò)誤導(dǎo)致 Redis Sorted Set 里的 score 異常。比如學(xué)生手機(jī)時(shí)區(qū)設(shè)成了 UTC-12上報(bào)的時(shí)間戳比服務(wù)端時(shí)間早了 12 小時(shí)zremrangebyscore清理時(shí)把這些記錄當(dāng)成了「未來數(shù)據(jù)」一直保留在窗口里。解決所有特征計(jì)算必須用服務(wù)端時(shí)間戳server_ts客戶端時(shí)間只做參考。在寫入 Stream 之前就把server_ts補(bǔ)上后續(xù)所有窗口計(jì)算都用這個(gè)字段。另外在消費(fèi)者端加一個(gè)校驗(yàn)如果server_ts與當(dāng)前時(shí)間差超過 5 分鐘直接丟棄這條消息。5.2 冷啟動(dòng)用戶拿到重復(fù)推薦現(xiàn)象新注冊的學(xué)生第一次打開推薦頁看到的十門課里有六門是同一系列的。原因內(nèi)容匹配階段新用戶沒有歷史行為user_tags為空J(rèn)accard 相似度全部為 0導(dǎo)致所有候選課程得分相同排序退化成按課程 ID 排序。如果課程 ID 是連續(xù)分配的同一系列的課程 ID 相鄰就全被推出來了。解決冷啟動(dòng)階段不能只靠內(nèi)容匹配。我的做法是加一個(gè)「熱門課程兜底」當(dāng)用戶行為少于 3 條時(shí)推薦結(jié)果中至少包含 3 門全平臺(tái)熱門課程剩余位置用內(nèi)容匹配填充。熱門課程按最近 7 天的選課人數(shù)排序每天更新一次。5.3 問答系統(tǒng)檢索到無關(guān)片段后強(qiáng)行生成現(xiàn)象學(xué)生問「Pandas 的 merge 怎么用」系統(tǒng)回答了一段關(guān)于「Python 列表推導(dǎo)式」的內(nèi)容還煞有介事地編了個(gè)例子。原因知識(shí)庫里沒有 merge 相關(guān)的片段但檢索返回了 top 5其中第一條相似度只有 0.15。生成模型看到有上下文就硬著頭皮編了一個(gè)答案。解決在answer_question里加相似度閾值判斷docs[0][score] 0.3時(shí)直接返回「沒找到」。這個(gè)閾值需要根據(jù)你的向量模型調(diào)整——不同模型的相似度分布不一樣建議用一批測試問題跑一下看正確匹配和錯(cuò)誤匹配的分?jǐn)?shù)分布取一個(gè)能分開兩者的值。我用的這個(gè)模型0.3 是比較穩(wěn)的閾值。5.4 Redis Stream 消息積壓導(dǎo)致內(nèi)存暴漲現(xiàn)象服務(wù)運(yùn)行幾天后 Redis 內(nèi)存占用從幾百 MB 漲到幾 GB最后觸發(fā) OOM 被系統(tǒng)殺掉。原因消費(fèi)者進(jìn)程處理速度跟不上生產(chǎn)速度或者消費(fèi)者掛了但沒被發(fā)現(xiàn)消息一直堆積在 Stream 里。maxlen100000只限制了大致的條數(shù)但如果單條消息體積大比如帶了完整的用戶行為上下文10 萬條也能占好幾個(gè) GB。解決第一給 Stream 設(shè)置更嚴(yán)格的maxlen比如 50000并且用approximateTrue讓 Redis 更積極地裁剪。第二加監(jiān)控定期用XLEN查 Stream 長度超過閾值就告警。第三消費(fèi)者端加xack確認(rèn)機(jī)制處理失敗的消息不要一直留在 pending 列表里設(shè)置一個(gè)重試上限超過就丟棄并記錄日志。5.5 推薦接口響應(yīng)時(shí)間隨用戶行為增長而線性上升現(xiàn)象系統(tǒng)上線初期推薦接口響應(yīng)時(shí)間 50ms三個(gè)月后變成 500ms學(xué)生反饋推薦頁加載明顯變慢。原因recommend函數(shù)里遍歷了用戶所有歷史交互記錄來計(jì)算內(nèi)容匹配分?jǐn)?shù)而recent_courses沒有做長度限制有些活躍學(xué)生的歷史記錄積累到了幾百條。解決在特征更新階段就限制recent_courses的長度只保留最近 20 條。Redis Sorted Set 用zremrangebyrank按排名裁剪保留 score 最高的 20 個(gè)。另外sim_dict的遍歷也要限制——只遍歷recent_courses里的課程而不是所有課程。這兩個(gè)限制加上之后響應(yīng)時(shí)間穩(wěn)定在 80ms 以內(nèi)。6. 把問答和推薦串起來一個(gè)可驗(yàn)證的聯(lián)調(diào)技巧單獨(dú)測推薦和單獨(dú)測問答都容易難的是驗(yàn)證兩者串起來之后的行為是否符合預(yù)期。我一般會(huì)寫一個(gè)模擬腳本模擬一個(gè)學(xué)生從進(jìn)入課程到提問的完整流程觀察推薦結(jié)果和問答回答是否合理。import requests import time import random BASE_URL http://localhost:5000 def simulate_student(user_id, course_id): 模擬一個(gè)學(xué)生的完整學(xué)習(xí)流程 events [ {event_type: play, course_id: course_id}, {event_type: pause, course_id: course_id}, {event_type: seek, course_id: course_id}, {event_type: answer, course_id: course_id}, {event_type: ask, course_id: course_id}, ] for event in events: payload { user_id: user_id, course_id: event[course_id], event_type: event[event_type], timestamp: int(time.time() * 1000) } requests.post(f{BASE_URL}/track, jsonpayload) time.sleep(0.5) # 模擬真實(shí)操作間隔 # 等特征更新 time.sleep(2) # 請求推薦 rec_resp requests.get(f{BASE_URL}/recommend, params{user_id: user_id, top_n: 5}) recommendations rec_resp.json()[courses] print(f用戶 {user_id} 的推薦結(jié)果: {recommendations}) # 模擬提問 question 這節(jié)課講的 groupby 和 pivot_table 有什么區(qū)別 qa_resp requests.post(f{BASE_URL}/ask, json{user_id: user_id, course_id: course_id, question: question}) answer qa_resp.json()[answer] print(f問答結(jié)果: {answer}) return recommendations, answer # 跑三個(gè)不同行為量的用戶做對比 for uid in [user_new, user_mid, user_active]: simulate_student(uid, course_python_101)這個(gè)腳本的價(jià)值在于它能幫你快速發(fā)現(xiàn)「推薦結(jié)果和問答回答是否匹配當(dāng)前課程」。比如模擬腳本里問的是 groupby 和 pivot_table 的區(qū)別如果問答系統(tǒng)返回的是「列表和元組的區(qū)別」說明知識(shí)庫切片或者檢索出了問題。推薦結(jié)果也一樣——如果推薦的全是跟 Python 無關(guān)的課程說明特征更新或者相似度計(jì)算有 bug。聯(lián)調(diào)時(shí)我還會(huì)加一個(gè)「一致性檢查」推薦結(jié)果里的課程其標(biāo)簽應(yīng)該和用戶近期交互課程的標(biāo)簽有重疊。如果完全不重疊要么是權(quán)重設(shè)置有問題要么是標(biāo)簽體系沒對齊。這個(gè)檢查用幾行代碼就能做def check_consistency(recommendations, recent_courses, course_tags): 檢查推薦結(jié)果與用戶近期興趣的一致性 user_tags set() for cid in recent_courses: user_tags.update(course_tags.get(cid, [])) overlap_count 0 for cid in recommendations: rec_tags set(course_tags.get(cid, [])) if user_tags rec_tags: overlap_count 1 ratio overlap_count / len(recommendations) if recommendations else 0 print(f標(biāo)簽重疊率: {ratio:.2%}) # 低于 30% 說明推薦可能跑偏了 return ratio 0.3這個(gè)檢查在每次修改推薦權(quán)重或者更新知識(shí)庫之后跑一遍能快速判斷改動(dòng)是否引入了退化。我自己的習(xí)慣是任何涉及推薦邏輯的改動(dòng)上線前必須跑通模擬腳本加一致性檢查兩個(gè)都過了才合并代碼。這套流程幫我攔住了好幾次「權(quán)重調(diào)參調(diào)出負(fù)優(yōu)化」的事故。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
九九综合网色全集| 中文字幕按摩做爰| 日本va视频| 久久性综合| 天天久| 亚洲成人在线五月天| 久久人人做人人妻人人玩精品va| 亚洲av网站| 丁香五月婷婷呀| 欧美三级韩国三级日本三斤| 午夜69成人做爰视频| 色屌丝中文字幕| 五月天婷婷xxx| 国产精品美女久久久久AV超清| 婷婷五月天激情丁香| 亚洲人妻Av| av操逼网| 少妇人妻偷人精品无码视频新浪 | 婷婷色啪| 无码动漫AV| 五月婷婷六月丁香激情| 99久久精品视频女神1| 99噜噜| 夜夜干 夜夜操| 99热12| 六月婷婷综合久久| 日韩av在线播放综合网| h在线看免费版在线看| 亚洲视频99| 六月激情久久婷婷| 天天操天天爱天天日| 狠狠 久久| 深爱五月天| 丁香五月激情啪啪| 狠狠色噜噜色狠狠狠综合久久成人波 | 色婷婷综合影院| 欧美在线视频99| 国产日产亚系列精品版优势| 亚洲五月六月婷婷| 五月天激情啪啪| 久操大香蕉| 久久久五月天婷婷成人网| 人妻熟人中文字幕一区二区| 狠狠操狠狠操AV| 伊人九九综合| 一本色道久久综合狠狠躁一二三 | 五月网网站| 婷婷伊在线| 九九九色综合| 影音先锋色婷婷| 狠狠色网| 六月婷婷九月丁香| 九九亚洲视频| 欧美日韩成人在线| 九热在线这里有精品6| 九九热啪啪| 日本视频欧美观看免费| www.maotanji.com| 性一交一乱一交A片久久四色| 九九干视频| 壅壅儕家a| 一本色综合色| 4399在线观看免费高清毛片| 婷婷欧美激情| 亚洲激情淫网| 丁香五月激情六月综合| 丁香五月天成人| 99色热视频| 婷婷一本和五月丁香| 97操在线视频| 久久这里都是精品视频| 国外亚洲成AV人片在线观看| 亚洲九N| 激情五月天婷婷| 激情五月天网站| 深爱激情丁香| 97成人丁香| www.久99| 欧美内射AA| 五月丁香六月综合情在线观看 | 九九热10| 天天综合.com| 精品网站:999WWW| 99视频久久| 五月天天天色| 久久五月婷综合网| 六月丁香婷婷视频综合在线观看| m色激情网| 99热这里只有精品86| 少妇性按摩无码中文A片| 日韩99视频| 丁香五月天婷婷91| 精热在线综合网| 亚州第一A片| 久久婷婷五月综合啪| 激情綜合網址| 五月天深爱激情网| 五月婷婷丁香| 婷婷五月中文字幕| 思思热再线视频| 五月丁香六月在线| 搡BBBB搡BBB搡18| 国产伦亲子伦亲子视频观看| 五月激情射| 日本婷婷在线| 在线综合婷婷| 欧美日韩成人在线| 一起草aV| 四LLL少妇BBBB槡BBBB| 久久se 综合网 | 婷婷五月天社区| 婷婷五月天激情网| 婷婷久久18| www.狠狠| 欧美97色| 激情啪啪五月天| 全亚洲最大的婷婷五月天网站COM| 婷婷色五月天第7色| 六月丁香色婷婷| 91超级碰| 伊人影院久久网| 91欧美| 婷婷开心激情五月激情网| 人人操日| 日本在线观看91| 影音先锋女人av鲁色资源网小说免费| 色五月六月| 天天舔天天爽| 天天操B| 一级二级香港秋霞欧美欧美秋霞| 99在线观看| 91色碰| 日本va欧美va精品发布视频| 色综合色色色| 天天做天天爱高潮片| 五月六月婷婷| 五月婷久草| 精品综合久久久久久五月天| 人人摸人人干| 婷色成人| 农村熟妇高潮精品A片| 成人网在线视频| 色婷婷五月天天天干天天操天天爽| 色五月在线观看| 天堂综合久| 人妻精品久久久久久久| 九色亚洲| 一级性爱视频| 91一道本| 97在线碰| 91蜜桃婷婷狠狠久久综合9色| 亚洲av骚货| 国内一级片| 涩综合在线 | 五月天最新网| 碰超在线九色| 性综合网| 婷婷丁香97| 丁香五月天资源网| 欧美大香蕉视频| 99热这里只有精品1| 色五月在线| 久热91| 九九综合色综合| 久色视频首页| 桃色五月天| 五月天婷婷久久日| 久久精品99国产精品日本| 色婷婷丁香| 91成人视频| 天天色图| 国产午夜成人AV在线播放| 久这里只有精品99| 中文字幕日产A片在线看| 人妻自慰在线| 大香蕉AV电影在线| 国产激情在线| 丁香五月激情宗合网| 天天爱天天做天天操| 婷婷综合网站| 欧美情色一区| 丁香五月中文字幕色播| 伊人婷婷青青cao| 亚洲视频图片婷婷五月| 久久99综合| 久久九九色| 激情五月综合视频| www.色色色com| 五月综合在线婷婷图片| 激情五月天色色色| www夜夜| 成人深爱丁香五月| 91日综合欧美| 亚洲激情五月天| 天天在线久久综合| 天天干人人奸97| 国产偷人妻精品一区| 久久9999| 青草青草视频2免费观看| 99久久精品视频女神1| 婷婷五月丁香性爱| 能直接看的av网站| 玖玖资源站视频| 激情久久网| 91九色|疯狂|高潮|对白|| 国产成人网址| 丁香五月冃欧美| 丁香五月123| 五月丁香婷婷综合网| 欧洲激情五月天婷婷| 免费一区二区三区| 久久五月天色婷婷| 激情五月综合网最新| 日本99视频精品免费播放| 欧美 日韩 成人在线| 色色影院aaaav| 国产91在线视频| 丁香六月综合激情| 婷婷五月丁香狠狠| 日本久热| a色婷婷| 国产激情久久久| 国产精品香蕉| 夜夜操夜夜姧| 天天日日夜夜爽| 中文字幕操比影片| 99精品视频在线观看| 久久思思热| 六月丁香综合999| 欧美三级视频| 国产精自产拍久久久久久蜜| 久久久99久久| 婷婷丁香在线播放| xxx日本东京热| 久久性刺激| 九九爱激情| 久久人人看| 激情五月婷婷色| 丁香五月AV在线| 婷婷五月天大香蕉| 天天日P天天射P| 婷婷六月视频| 欧美视频五区| 青青草婷婷综合五月| 97人人操com| 超碰人人操人人9| 六月撸婷婷| www,av好吊操| 狠狠狠人妻| 国产avapp 网| 99久在线| 国产免费性爱| 狠狠色九月| 五月婷婷综合久久| 色情五月停停丁香| 99热网址| 月丁香久久久| 少妇水多A片太爽了| 五月天婷婷丁香导航| www.主妇. com| 人人操9| 九九av| 欧美人人草| 丁香五月花婷婷开心| 五月丁香婷婷99| 五月天激情小说网| 婷婷五月天久久| 色色色99韩| 啪啪操操| 色色综合院| 在线观看免费视频| 狠狠色成人影片| 五月婷婷影| 成人小说 五月天 婷婷| 色五月丁香五月| 韩国97天堂| 三年高清大片免费观看国语| 人人草人人舔| 五月激情天| 丁香五月激情网| 亚洲欧州色情在线观看| 亚洲性图一区二区| 狠狠狠狠狠草| 天天综合干| 婷婷五月色播网| 五月婷婷97| 五月激情丁香五月宗合| 97色婷婷五月天| 一级七香蕉| 91人在线观看| 婷婷五月天VI| 99热传媒| av不卡网站| 三男玩一女三A片| www.婷婷五月| 欧美日综合| 五月激情综合网| 五月婷婷网五月在线| 超碰人人99| 久久久天堂国产精品女人| 97综合在线| 色玖玖综合| 亚洲aV写真天天综合网久久| 天堂草在线观| 插插网爽妇五月丁香| 五月天无码| 亚州婷婷五月激情综合| 天堂五月婷婷| 九九99九九精品视频| 婷婷五月花| 极品少妇XXXX精品少妇偷拍| 亚洲欧洲另类图片| 99视频日韩| 九九中文色色| 操逼巨乳91| 欧美性猛交99久久久99| 99综合免费视频| 天天操无码| 97啪啪| 六月婷婷综合| 色婷婷影院| 人人干天天舔| 狠狠狠五月婷婷六月丁香| 天天看片日日夜夜| 五月丁香婷在线| 另类视频丁香五月| 亚洲va成人va成人va在线观看| 婷婷六月丁香五月| 五月婷婷中文字幕| 精品久热| 无码99| 在线观看国产高清视频免费网站 | 黄色录像网点| 五月综合激情久久| 九九9久九9国产视频| WWW色五月| 久久99激情五月天| 99久.| 激情五月黄色小说| 激情综合激情五月一起草| 99网| 久草A片| 操逼三区| 国产成人精品一区二区三区视频| 99热每日| 香蕉久久国产AV一区二区| 深爱五月婷婷开心中文字幕| 五月天色婷婷视频| 天天综合色丁香| 九九婷婷网五月天| 99热欲| 五月婷婷九| 青青草原伊人网| 色优久久| 精品久久久久久久久久久久人妻| 99视频精品在线| 91九色网| 99精彩视频在线观看| 在线观看欧美| 九九综合久久丁香婷婷,开心激情综合网| 五月婷婷另类| 亚洲另类视频| 免费看欧美成人A片无码| 天天操精品| 99er这里只有精品视频| 99r这里只有精品在线观看| 婷婷五月天电影区小说区| 91碰碰视频| 69精品人人人人| 色九九中文字幕| 猫咪伊人久久| 天天撸天天干天天插| 99热资源在线| 操97在线观看| 九九sese| 亚洲综合九九| 国产精品成人AV在线观看春天| 99.N在线视频| 99热这里只有精品 搜| 久久性操| 国产综合丁香五月天| 日本a片网址| 99热8| 嫩BBB槡BBBB搡BBBB| 99精品97| 婷婷伊人五月天| 狠狠综合| 激情综合色| 2025色婷婷| 国产又粗又大又爽又黄| 人妻久久久久| 国産精品| 色综合中文色综合网| 五月丁香激情深爱婷婷| 中文幕无线码中文字蜜桃| 天堂中文国产| 狠狠激情五月天| 久碰视频| a色色色色色| 日韩在线观看亚洲| 日韩无码AV电影网站| 丁香久久| 开心激情网五月天| 区美毛片子| 99热这里只有精彩| 婷婷视频网| 夜色综合网| 日日夜夜小色哥| 无码AV免费精品一区二区三区 | 开心久久xxx色| pacopacomama 070722_670 素人奥様初撮りドキュメント 103 大久保純子 | 五月综合激情啪啪啪啪啪| wuyuedingxiang99| 久热婷婷| 99色啊| 天天干天天日天天操| 91九色精品| 色噜噜狠噜噜视频| 99婷婷综合| 思思精品久久艹| 丰满老熟妇BBBBB搡BBB| 日本五月丁香| 色婷婷丁香花五月天| 亚洲五月天天| 日韩日比视频在线| 中文AV网站| 91av色色乱视频| 夜丁香五月婷婷| 大陆极品少妇内射AAAAAA| 熟女激情网| 玖玖婷婷五月天| 丁香五月天无码AV| 激情综合五| 丁香婷婷丁香五月欧美人| 99亚洲精品| 亚州激情网| 俺也去色| 久久久久久丁香五月| 97人人干视频| 亚洲无码色色| AV在线大香蕉| 欧美精品99久久久| 丁香六月亚洲综合| 天堂五月婷婷| 激情综合色网| 五月天亚洲图片婷婷| 丁香九月久久| 五月天开心婷婷久久| seav天堂| 99热这里只有精| 久操人| 色欧美日| 激情丁香社区| 2050人人操免费工开爱| 69超碰在线| 婷婷久久亚洲| 五月丁香激情综合网| 99视频内射三四| 五月色婷婷AV| 9999热在线免费观看| 亚洲精品视频在线| 日撸夜撸日操| 香蕉婷婷色五月| 2020日日干| 99热九九这里只有精品| 亚洲亚洲人成综合网络| 六月丁香网| 日本片日本片祼观看网站在线看中文版网页在线看 | 九九视频在线观看视频6 | 天天久久综合| 国产1区2区3区| 色婷婷成人做爰A片免费看网站 | 黄色片精品| 亚洲中文字幕AV| 亚洲丁香五月深爱五月| 五月天婷婷狠狠| 噜噜在线| 蜘蛛女侠2003满天星免费观看| 五月天综合久久| 男女啪啪做爰高潮无遮挡| 天天做天天爱天天爽综合网| 99丁香五月婷| 熟美女麻豆| 五月丁香在线| 婷婷丁香五月亚洲| 天天色·欧美| 青青999| 婷婷开心激情| 国产婷婷五月色情综合| www.狠狠操.co m| 丁香操逼| 大香蕉啪啪啪| 日韩高清成人| 天天操夜夜橾| 一本久久亚洲五月婷婷| 伊人网碰碰| 婷婷综合中文| 99色综合| 色吧婷婷| 丁香五月亚洲| 99综合网| 操日本三片99| www.第四色99| 亚洲精品V天堂中文字幕| 日本色色网站| 99九九精品| 国产色色网站网址| 色五月婷婷中文字幕| 9久操| 成人做爰A片免费看视频| 成人版视频在线观看| 综合五月激情网| 激情综合网五月在线播放| 中文成人在线| 91九色PORNY大屁股| 五月丁香啪| 99re热在线视频观看| 俺去也在线视频| 激情com| 欧美大香蕉视频| 六月丁花香啪啪激情欧美| 五月激情影视| 综合色播| 九久9精品| 久久这里只有精品热在99| 99re思思热这里| 天天久久66xxx| 97欧美在线| 区啪精品| 五月丁香日逼| 亚洲精品另类| 亚洲传媒在线观看| 三十熟女| 思思9久久| 成人视频网| 色五月AV| 欧洲色| 久草婷婷| 91超级碰碰| 欧洲不卡视频| 人人操日| 国产精品电影网| 五月婷婷丁香婷婷| 99网99热| 丁香婷婷91在线观看视频| 天天干天天干天天操| 亚洲色激情| 天天色色天天| 操你av| 五月天激情.com| 久久在线人妻| 色婷婷视频综合| 99激| 婷婷五月天a| 色婷五月| 激情欧美丁香五月| 97五月天| 婷婷在线精品| 亚洲综合色网| www.wuyuetian啪啪| 色色网站日本91| 嫩草视频。| 婷婷五月天VI| 男女激情久久| 五月丁香婷婷综合网色欲| 国产色99| 五月色色色| 激情久久四色| 天天舔天天摸天天透| 99爱视频在线播放| 五月丁花六月丁香综合| 久久婷婷久久| 丁香婷婷激情| 激情五月天婷婷五月天| 国产精品人人做人人爽人人添| 亚洲亚洲人成综合网络| 99caobi| 日本一毛片| 久久XX| 天干干夜夜操| 色播五月婷婷| 成人日韩欧美| 99国产精品白浆在线观看免费| 亚洲精品V天堂中文字幕| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 开心激情播播五月天| 思思热视频| 成人午夜无码视频| 在线观看免费观看在线9久| 丁香久久激情俄| 色婷婷成人网| 色婷婷深爱五月| 婷婷五月色情天| 九九五月天| 免费看欧美成人A片无码| 91制片厂久久久国产电影| 绿色小导航AV| 亚洲成人综合在线| 精品草原久久视频| www激情| A短视频免费在线观看| 五月天久久激情| 全亚洲最大的婷婷五月天网站COM| 色高清无码视频| 五月丁香成人网| 99热免费| 狠狠ri| 久久婷丁香五月| 六月丁香婷婷尤物| 久久天堂| 淫五月停停| 婷婷九月综合| 天天操天天爱天天玩| 久久激情视频| 97热超碰| 狠狠干总合| 97色热| 五月丁香色停停啪啪啪| 久久久婷婷| 五月天国产婷婷精品视频在线| 99热这里只有精品在线观看| 色九综合| 久久这里99| 这里只有精品视频99| 婷婷不卡基地| 婷婷丁香六月影视| 五月色丁香| 91精品91久久久久77777| 99精品久久| 99热这里只有精品8| 8090在线影视少妇| 日韩综合网络男女香蕉a片| 亚洲色色香蕉| 色色三级视频| 玖玖爱资源站| 九九热精品在线| 色www久视频| 免费九九热| 99爱在线视频| 色婷婷影视99| 可以直接看的AV网站| 99在线精品视频| 色噜噜狠狠色综合网| 亚洲色色香蕉| 五月天婷婷丁香成人网| 激情综合色五月六月婷婷| 丁香五月性| 九色无码| 99热在线播放| 人妻在线网站| 六月丁香久久| 1024人妻无码中文字幕| 日日噜狠狠色综合久久| 777米奇影视第四色| 丁香色情五月综合激情| 日本99视频| 99在线免费视频| 丁香五月偷拍| 婷婷五月六月丁香| 欧美婷婷五月天| 伊人九热| 五月天久久综合婷婷丁香| ..真实国产乱子伦对白在线_欧 | 亚洲色另类| 国产成人亚洲综合亚洲| 亚洲色 视频| 久久一级AV| 亚洲第精品| 专区无日本视频高清8| 丁香香五月激情免费视频| 国产精品色色| 天天摸天天舔天天爽| 热九九精品| 蜜臀丁香黄色婷婷五月天| 99视频久久| 超碰免费大香蕉| 香蕉国产2013| 欧美精品999| 天天婷婷综合亚洲亚洲| 激情五月综合色| 亚洲av成人在线| 五月丁香婷婷综合久久| 涩涩涩五月天| 六月亚洲| 人人插操| 五月天色婷婷网| 亚洲人人艹| 久久亚洲无码| 九九久久五月天综合伊人| 人妻熟妇国产精品| 【乱子伦】黄色| 国产人妻777人伦精品HD| 热的无码综合视频| 午夜福利8055| 欧美 日韩 成人 在线| 激情文学第四色婷婷丁香五月| 丁香六月婷婷| av久热| 久9久9久9久9久9久9| 亚洲AV人人操| 五月婷婷综合网| 婷婷四色成人综合色视| 九九超日本| 色婷久久| 色香五月天| 久久一级免费黄色片| 亚洲色碰| 丁香五月丐人妻| 99久99久| 爆乳熟妇一区二区三区爆乳照片| 五月天婷婷色五月天| 国产免费性爱| 69色婷婷| 青青操avbb| 婷婷激情六月中文| 大香蕉久艹| 五月天激情小说电影| www久久久久久久久久久| 狠狠做婷婷| 狠狠干狠狠色| 色99久草在线| 精品久久99| 丁香五月天激情小说| 免费啪啪啪网站| 五月丁香偷拍| 五月丁香六月婷婷国产视频| 五月婷婷另类| 伊人久久大香| 色婷婷五月天在线观看| 亚洲日日操| 欧美欧盟性爱网| 五月天婷婷网站| 超碰国产在线| 无码人妻一区| 欧美日韓成人亚洲精品另类| 97伊人综合婷婷| 丁香五月电影| 99热这里只有精品最新地址获取| 色婷婷综合视频| 欧美久久久中文字幕| 色婷婷狠狠| 五月丁香龟婷婷| 激情图片亚洲| 9精品国产在热久久| 97色婷| 思思热AV| 色综合天天网| 综合大香蕉| 91碰操| 欧美在线视频99| 操一操干一干| WWW.夜夜| 再次出发二| 一区=区操屄高清大全av| 色五月激情婷婷| 九九亚洲综合| 五月丁香婷婷在线综合蜜桃| 综合婷婷久久| 久操97| 五月婷婷丁香六月在线| 99re这里只有| 久热久色| 丁香五月色| 九九九九国产| 99精品视频在线观看| 久久婷婷丁香视频网| 99热这里只有精品国产精品| 丁香五月亚洲综合| 亚洲熟妇AV综合网五月丁香伊人 | 国熟女视频| av国产精品| 九九AV| 色色色婷婷五月| 超碰在线成人| 大香蕉久久| 激情综合无码| 性色五月天| 亚洲视频丁香网va| 九九碰九九爱97超碰| 婷色五月天| www.婷婷六月天| 噜噜噜噜噜在线| 色五月天婷婷| 伊人久久婷婷五月天激情四射| 亚洲AV久久久久久久久久久久久久久久 | 99热99精品| 婷婷五月激情五月激情| 深爱激情四射| 久久9情免费| 亚洲色情在线| 六月丁香久久| 色婷婷丁香A片区毛片区女人区| 婷婷五月天成人导航| 99热思思| 亚洲色色香蕉| 第五婷婷伊人丁香色| 国产又爽又猛又粗的视频A片| 99热在线观看免费| 深夜男女福利刺激影院一区完整| 色播五月婷婷| 手机激情网| 婷婷99狠狠躁天天躁中文| 激情欧美五月丁香| 狠狠色噜噜狠狠狠狠综合| 色情丁香五月婷婷精品| 熟女人妻一区二区三区免费看| 久久婷婷亚洲| 丁香五月,激情五月,深爱五月| 狠狠色噜噜狠狠亚洲A∨| 九九热啪啪| 99热在线观看免费| 久久综合爱| 色色色五月天婷婷| 综合色色网| 在线观看免费狠狠色丁香香综合| 激情综合五月激情| 婷婷色在线观看| 色五月综合在线| 色狠狠婷婷| 天天干天天插| 黄色AAAAA| 五月天开心网| 欧美一级操逼视频| 五月婷婷五月天| 色五月婷婷久久| 色五月天电影| 大香蕉福利导航| 超碰在线人妻| 婷婷五月综合激情| 99热99美国在线观看| 久久99综合| 三级毛片7979| 色九九丁香九月色九九色| 狠狠操狠狠| 亚洲成人AV电影在线| 国产精品美女久久久久AV超清 | 五月丁香亚洲综合网| 亚洲av成人在线| 亚洲色综合色网| 夜夜撸日日操| 狠狠干无码| 少妇高潮一区二区三区99欧美| 99riAv1国产在线观看| 色婷婷久久| 色九网| 五月丁香六月婷婷色情| 色五月婷激情| 久久婷婷网| 9久热在线视频精品| www.婷婷| 97自拍视频在线| 激情五月丁香五月| 国产精品人成A片一区二区| 五月婷婷玖玖综合玖玖爱| 亚洲婷婷性爱| 狠狠色综合图片| 丁香激情网| 综合色久| 天天日,夜夜爽| 久99久精品| 激情综合婷婷| 99热国品| 91超级碰在线视频| 99热这是里只有精品| 亚洲激情电影五月天色婷婷丁香一起草| 五月天久久综合婷婷丁香| 婷婷五月天激情综合深爱激情| 国产精品香蕉| 99色在线| 久久ri精品视频| 天天操中文字幕| 99青青草| 9久视频| 亚洲另类在线观看| 亚洲第二AV| 丁香六月婷月91婷月| 色狠狠色综合| 色色色无码| 岛囯综合激情网| 丁香五月婷婷久久综合激情网| 激情五月无码| 日本美女上人| av一区免费看| 男人的天堂999| 婷婷六月五月天综合| 开心五月激情网| 天天日天天插| 91凹凸在线| 99re这里只有精品首页| 婷婷五月AV| 成人综合视频在线| 九九色视频| 五月婷婷啪啪| 999激情视频| 99精品在这里| 久久99网| 丁香五月综合图片在线观看| 97视频久久| 超碰97免费在线| 婷婷丁香五月天在线| 最近中文字幕2019视频1| 色婷婷AⅤ| 五月丁香亚洲五月| 国产精产国品一二三在观看| 无码九九| 丁香五月色情| 婷五月天天| 人人摸人人澡人人| 99久久婷婷五月| 这里只有精品视频一区| 婷婷久久爱| 人人综合五月人人婷婷| 校花娇喘呻吟校长陈若雪视频| 国产精品人妻欲求不满| 色五月婷婷婷婷| 久久五月天精品视频| 这里只精品热在线18| 久久婷婷五月综合啪| 亚洲视色| 激情婷婷在线中文字幕| 亚洲精品国产成人AV在线| 99久久99视频| 五月丁香激情综合啪啪| 婷婷久久在线| 超碰免费99| 99re熱| 中文超碰视在线| 99综合| bbwcuckold精品熟妇| 国产精产国品一二三在观看| 91人操人人人操人| 婷婷六月丁香在线| 一本色道久久88加勒比| 色爱综合视频| AV亚洲在线| 97人人做| 亚洲精品国产成人AV在线| 国产做爰视频免费播放| 色青青视频| 六月五月天婷婷涩播在线| www.精品99| 久久亚洲婷婷综合色五月| 成人做爰A片免费看网站找不到了 噼里啪啦在线观看免费完整版视频 | 99亚洲大片精品永久在线观看| 国产精品第一国产精品| 丁香五月天资源网| 99操视频| 中文字幕成人版| 婷婷色五月天在线| 婷婷国产日本欧美| 综合玖玖性爱免费视频| 超碰A V在线| 成人av在线网| 五月天伊人综合| 成人综合伍月天| 亚洲成人AV在线观看| 夜精品无码A片一区二区蜜桃| 亚州操操| 五月丁香激情婷婷| 天天插夜夜爽| 大香蕉伊人久久| 五夜丁香| 久99在线| 欧美精品中文字幕亚洲专区| 日本五月婷| 激情性爱五月| 91操在线视频| 丰满熟女人妻一区二区三| 色婷婷五月丁香在线观看| 久久日韩婷婷五月| 777精品久无码人妻蜜桃| 五月丁香久久久| 99国产精品白浆在线观看免费| 中文字幕在线免费观看视频| 国产成人亚洲综合A∨婷婷| 日韩无码专区| 色婷婷丁香五月天| 婷婷激情六月| 五月丁香啪| JAPANRCEP老熟妇乱子伦视频| 五月天婷爱综合| 欧美熟女99| 久久亚洲天堂| 99少妇精品| 香蕉婷婷| 天天综合情| 成人婷婷桔色| 天天狠狠色| 色婷婷婷婷| 天天爽日日爽夜夜爽| 狠色狠色综合久久| 五月婷婷激情| 夜夜干夜夜操| 大香网伊人久久综合| 丁香五月综合| 一级黄色片看看| se色婷婷视频| 九月丁香八月婷婷久久综合久97| 欧美久热| 久久这里只精品66| 色 五月婷婷基地| 思思热视频| 九九av| 亚洲国产精品SUV| 墨西哥毛片内射精| 久久天堂| 丁香五月天激情婷婷丁香六月| 五月丁香色色网| 精品色色网| 这里只有精品在线视频在线观看| 久久婷婷亚洲| 丰满少妇猛烈A片免费看观看| 久碰久| 婷婷久久综合| 国产精品男人AV不卡| 99热日韩| 五月天激情啪啪| 色婷婷色99国产综合精品| 伊人丁香五月婷婷潮吹| 99色综合网| 五月天狠狠| 丁香五月社区| 99热新网址| 色色综合色| 婷婷在线视频| 久人操| 六月丁香成人网| 亚洲无码黄色| 日本色色网站| 欧美天天综合网站上去吧| 五月丁香婷婷视频| 玖玖资源在线视频| 中文超碰视在线| 99激情在线| 五月天成人网在线观看| 成 人片 黄 色 大 片| 婷婷久久五月| 婷婷五月激情视频| 人与禽A片啪啪| 激情丁香九九五月综合网| www.五月激情.com| 99色色视频| 二色av| 久久视频在线| 色色五月丁香| 色五月婷婷影院| 26uuu成人网| 色吊丝99| 少妇人妻凹凸视频| 国产欧美性成人精品午夜| 五月丁香婷婷网网网网| 99热这里只有精品免费| 97超喷视频在线观看| 甈你aaaaa| 丁香五月婷中字在线| 五月开心婷婷网| 五月天婷婷小说| 天天射天天操天天干| 色了色综合| 激情综合丁香| 色播婷婷五月天| 可以看的av| 丁香五月婷婷激情小说| 婷婷久久五月天| 五月天激情综合在线| 久99视频| 五月丁香久久网| 99热这里只有精品55| 91爱啪啪| 欧美成人精品A片免费一区99| 在线va网站| 九九综合九| 九九热这里只有精品在线观看| 嫩草AV久久伊人妇女超级A| 俺去也在线www色官网| 欧美综合激情| 天天干天天色天天干| 久久婷婷免费| 超碰色色综合| 色五月首页| 欧美A级成人婬片免费看理论| 日本不卡五月婷婷丁香| 天天干,天天操,天天射| www.日韩国产| 婷婷玉月丁香五月在线视频| 99久高清视频| 丁香五月六月婷婷综合| 超碰男人色| 九九热精品| 欧美va| 97婷婷五月激情六月丁香伊人| 97人人操人人| 中文字幕丁香五月| 久久五月丁香综合| 99九九在线视频| sewuyue第四色| a免费在线| 91碰| 亚洲激情免费久久| 久婷久婷| 五月丁香婷婷综合网| 久月丁香爱婷婷综合| 色婷婷啪啪| 亚洲愉拍99热成人精品| 久草大| 丁香五月 综合| 99re在线免费视频| 天天做天天爱| 超碰99在线观看| 五月开心深深爱激情综合| 五月婷婷六月丁香激情深爱| 人操91在线| 婷婷九月丁香| 天天做天天爰天天爽天天无遮挡| 国产熟女大叫受不了| 国产XXXX搡XXXXX搡麻豆| 五月天丁香| 五月丁香六月停停| 激情综合啪啪啪| 成人网页在线观看| 婷婷五月综合色小姐小说| 九九视频在线观看视频6 | 五月大香蕉| 婷婷无码视频| 天天日天天色| 天天干、天天日日| 亭亭色天香| 噜噜色五月| 深爱丁香网| 99狠狠操一| 精品九九久久| 久综合4| 中文字幕无码人妻少妇免费视频 | 亚洲 无码 中文字幕 中出| 五月婷婷和六月| 国产片天天爽夜夜爽| 九九十99视频| 欧美月久久| 97九色视频| 六月婷基地| 成人丁香色| 六月婷婷综合激情| 99啪在线视频| 色色综合热| 激情六月天婷婷| 国产免费一区二区三州老师F1F1| 超级碰碰碰久久网站| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 久久精品99久久久久久久久| 97精品欧美91久久久久久久| 国产精品视频| www.狠狠操.con| 六月婷婷色五月| 99爱视频| 4399成人黄A片| 99热8在线| 人妻激情网| 九九家庭影院| 99色爱| 激情丁香五月| 日本激情综合| 五月婷婷久久久久| 日本 欧美在线| AV美美午夜| 天天色天天操天天射| 久久作爱| 熟女人妻视频| 伊久久婷婷| 中文字幕 久久9999| 亚洲精品永久久久久久| 国产又爽又猛又粗的视频A片| 国产精品视频免费看| 影音先锋91在线资源站| 日本三级片片| 亚洲AV激情五月综合网| 婷婷五月天狠狠搞干| 夜夜躁婷婷AV| 影院久久久| 丁香六月婷婷综情欧美| 日韩在线五月天婷婷| www.色五月| 伊人婷婷大香蕉| 五月天狠狠干| 99热免费| 中文字幕,综合,91| 激情五月婷婷啪啪| 玖玖午夜视频| 免费播放AV| 操日挥操日日| 久久久久久久久久久-久五月天婷婷| 99噜噜噜| 五月天婷婷在线播放| 激情五月丁香五月色| 99在线精品视频观看免费下载| 青青草五月天| 婷婷五月六月| 偷拍视频五月天| 久久久久人妻| 激情五婷网| 永久免费视频| YJLZZJLZZ亚洲乱熟无码| 99在线小视频| 亚洲亚洲人成综合网络| 婷婷久久六月天| 99久久97| 99热精品9| 五月丁香婷婷色啪| 亚洲日韩人妻操逼| 五月天婷婷色色| 99视频在线观看视频| 啪啪啪综合网| 五月丁香婷婷综合在线| 丁香大香蕉| 青青热久久综合| 九九亚洲| 99色热综合| 91一道本| 婷婷97碰碰| 广东99色在线| 久综合4| 久久综合中文字幕| 成人视频一区| 久久婷婷老| 婷婷丁香97| 99久热在线精品| 久操人妻| 天天拍夜夜爽日日| 日本欧美成人片AAAA| 超碰renrenai| 综合 激情 婷婷| 色色性爱视频| 超碰狠狠操| 久99久视频精品| 久久久com| 激情啪啪五月天| 92久操视频| 免费婷婷| site:jszngf.com| 超碰在线观看成人视| 亚洲 六月 综合| 日本99热| 成人电影一区| 久久精热| 第四色婷婷色五月| 中文字幕在线人妻| 日韩中文欧美| 噜噜狠狠色| 伊人青草成人| 日本婷婷色| 5月婷婷6月六月丁香| 久综合网| 日本精品九九九| 国产精产国品一二三在观看| 狠狠干夜夜干| 婷婷综合五月激情| 综合久久9| 黑人熟妇一区二区三区| 中国无码av| www久| 丁香五月影院| www.五月瑟| 激情五月天色婷婷综合| 婷婷五月激情欧美| 色综合狠狠色| 99视频日韩| 伊人爱爱日本|